統計：常態分佈、平均值、變異數與標準差
因為本身比較少接觸到統計方面的工作，又覺得有時候有需要用到這些知識，因此在非內行的情況下把一些以前就懂的知識，以及以前似懂非懂的知識，利用網路資源的尋找與瞭解將其串起來，如果有錯誤之處還請修正。
常態分佈（Normal Distribution）
首先遇到的是常態分佈，這個一直出現在我們生活週遭的統計分佈我想不會有人不知道吧！我們在小時候都有玩過打彈珠檯的遊戲，如果你懂的當燈號出現在中間就壓比較高倍，那就表示你很懂常態分佈啦！不過，通常中間的賠率是最低的（廢話）。還沒有辦法想像的，可以參考常在科學博物館出現的高登板（Galton Board），常態分佈的證據就是他發現的，當珠珠在一連串的(Level_N, 1/2)下決定，當Level_N趨近於無限大，高登板底部的結果分佈就會越接近常態分佈。詳見下面影片：
平均值（Means value, μ）
這個隨便一個小孩都知道，把所有的數列相加後，除以數列的總個數即可。
變異數（Variance, σ^2）
一個隨機變數的變異數，描述的是它的離散程度，也就是該變數離其期望值的距離。在統計學中，要估算一個變數的期望值時，經常用到的方法是重複測量此變數的值，然後用所得數據的平均值來作為此變數的期望值。變異數有個簡易口訣為：「平方的平均」減去「平均的平方」。
標準差（Standard Deviation, σ）
標準差定義為變異數的算術平方根，反映組內個體間的離散程度。標準差區分為母體（N）標準差以及樣本（n）標準差，只是母體永遠只是一個理想，例如你要調查台灣2300萬人口的平均身高，2300萬就是這個（N），但是你永遠辦不到，因為你永遠不可能真正的把2300萬人逐一的調查與量測。因此犧牲一個樣本數，增加了估計母體變異數的幅度，以避免抽樣時的誤差。標準差公式如下圖：
標準差與常態分佈
講了一大堆，標準差表現在常態分佈圖上，有其一定的比例，約略是「68, 95, 99.7」，也就是68%數值分佈在距離「平均值」有1個標準差之內的範圍，約95%數值分佈在距離「平均值」有2個標準差之內的範圍，以及約99.7%數值分佈在距離「平均值」有3個標準差之內的範圍。如下圖表示：
在品質的調控觀點來看，當你施行了某一種方法論，要驗證其效果，最好的方法是看數據是否大量的「改落在」1個標準差的範圍，用圖型的觀點來看，也就是會將這個倒鐘型常態分佈圖在靠近中央處越拉越高，兩邊變得越來越低，而不是永遠用簡單的平均折線圖來表示而已。
常態分佈與標準差之間的關係，也常常被用在很多領域的論述上，像Simon Sinek在進行偉大的領導者如何激勵行為很棒的演說時，提到的創意的散播法則不就是...。（微笑）